文章标题：基于混合模型的船舶主机排烟温度预测

文章作者：江亮, 黄再辉, 胡睿, 陈民锋
关 键 字：船舶主机排烟温度;经验模态分解;自回归滑动平均;长短期记忆神经网络
文章摘要：本文提出一种新的基于时间序列分解和混合模型的排烟温度预测模型。使用自适应噪声完备集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）将温度序列数据分解为一系列具有不同特征尺度的本征模态函数（Intrinsic Mode Functions，IMFs）和趋势项。通过增项DF单位根（Augmented Dickey-Fuller，ADF）检验判断每个IMF和趋势项的稳定性。采用自回归滑动平均（Autoregressive Moving Average，ARMA）模型对平稳序列进行预测，采用长短期记忆（Long Short Term Memory，LSTM）神经网络模型提取不稳定序列的抽象特征。对各时间序列的预测结果进行重构，得到最终预测值。经实船数据验证，该算法相比于差分自回归滑动平均模型、LSTM模型和CEEMDAN-LSTM模型，RMSE和MAE误差值分别降低约30％和35％，显著提高了主机排烟温度预测精度。